多模态磁共振影像的分割方法、装置及介质制造方法及图纸

一种多模态磁共振影像的分割方法、装置、设备及介质，方法包括：分别对多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取；分别对多模态磁共振影像的横断面、冠状面及矢状面各自对应的第三个维度上的一维图像特征进行提取；分别将横断面、冠状面及矢状面对应的一维图像特征及二维图像特征进行融合，得到横断面、冠状面及矢状面分别对应的第一方向图像特征、第二方向图像特征及第三方向图像特征；对第一方向图像特征、第二方向图像特征及第三方向图像特征进行处理，得到全肿瘤区域图像、肿瘤核心区域图像及增强肿瘤区域图像。该方法极大地降低了图像梳理过程中的参数量，降低计算开销，提高分割精度。

Segmentation method, device and medium of multimodal MR image

【技术实现步骤摘要】
多模态磁共振影像的分割方法、装置及介质
本公开涉及智能医学影像分析领域，特别是涉及一种多模态磁共振影像的分割方法、装置及介质。
技术介绍
脑胶质瘤是由大脑胶质细胞癌变所产生的最常见的原发性颅脑恶性肿瘤，其发病率约占颅内肿瘤的40％～50％，具有发病率高、复发率高、死亡率高及治愈率低的特点。诊断病情时常使用多种成像模式的磁共振成像(MRI)绘制肿瘤的组织变化。有效的肿瘤分割图像可以帮助医生判断手术切除的范围，从而提高手术切除的完整程度，减少患者术后功能缺陷等并发症的产生。目前主流的分割方法是使用三维卷积神经网络，通过三维卷积提取空间信息，能够达到较高精度，但也存在参数量多、计算开销大的明显弊端。
技术实现思路
(一)要解决的技术问题针对于上述技术问题，本公开提出一种多模态磁共振影像的分割方法、装置及介质，用于至少解决上述技术问题。(二)技术方案根据本公开实施例的第一方面，提供一种多模态磁共振影像的分割方法，方法包括：分别对多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取；分别对多模态磁共振影本文档来自技高网...

【技术保护点】
1.一种多模态磁共振影像的分割方法，其特征在于，方法包括：/n分别对所述多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取；/n分别对所述多模态磁共振影像的横断面、冠状面及矢状面各自对应的第三个维度上的一维图像特征进行提取；/n分别将所述横断面、冠状面及矢状面对应的一维图像特征及二维图像特征进行融合，得到所述横断面、冠状面及矢状面分别对应的第一方向图像特征、第二方向图像特征及第三方向图像特征；/n对所述第一方向图像特征、第二方向图像特征及第三方向图像特征进行处理，得到全肿瘤区域图像、肿瘤核心区域图像及增强肿瘤区域图像。/n

【技术特征摘要】
1.一种多模态磁共振影像的分割方法，其特征在于，方法包括：
分别对所述多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取；
分别对所述多模态磁共振影像的横断面、冠状面及矢状面各自对应的第三个维度上的一维图像特征进行提取；
分别将所述横断面、冠状面及矢状面对应的一维图像特征及二维图像特征进行融合，得到所述横断面、冠状面及矢状面分别对应的第一方向图像特征、第二方向图像特征及第三方向图像特征；
对所述第一方向图像特征、第二方向图像特征及第三方向图像特征进行处理，得到全肿瘤区域图像、肿瘤核心区域图像及增强肿瘤区域图像。


2.根据权利要求1所述的方法，其特征在于，所述分别对所述多模态磁共振影像的横断面、冠状面及矢状面进行二维图像特征提取，包括：
获取特征提取模型，其中，所述提取模型包括三个不同方向为伪三维卷积处理模块，分别对应所述多模态磁共振影像的横断面、冠状面及矢状面；
将所述多模态磁共振影像输入所述特征提取模型，以提取横断面、冠状面及矢状面的二维图像特征。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：训练所述特征提取模型，该操作包括：
获取训练数据集，所述训练数据集包括高级别胶质瘤和低级别胶质瘤分别对应的多模态磁共振影像，所述多模态磁共振影像上标注有肿瘤级别；
对所述训练数据集进行像素级标注；
利用标注后的训练数据集训练所述特征提取模型。


4.根据权利要求3所述的方法，其特征在于，所述利用标注后的训练数据集训练所述特征提取模型，包括：
将标注的像素级转化为所述全肿瘤区域、肿瘤核心区域及增强肿瘤区域分别对应的二值分割图；
计算所述二值分割图的损失。


5.根据权利要求3所述的方法，其特征在于，所述利用标注后的训练数据集训练所述特征提取模型，还包括：
对所述标注后的训练数据集训进行数据增广，其中，所述数据增广包括数据随机翻转、数据随机旋转、...

【专利技术属性】
技术研发人员：张勇东，刘荪傲，谢洪涛，
申请(专利权)人：中国科学技术大学，北京中科研究院，
类型：发明
国别省市：安徽;34